Optimasi Keekonomian dan Emisi pada Sistem Kelistrikan JAMALI Menggunakan Algoritma PSO
Article Sidebar
Main Article Content
Abstract
Sebagian besar listrik di Indonesia dikonsumsi oleh pelanggan yang terkoneksi ke pembangkit Jawa-Madura-Bali (JAMALI) yang menggunakan beberapa tipe pembangkit. Namun, seiring dengan perkembangan waktu dan teknologi, kebutuhan listrik di Indonesia semakin meningkat yang menyebabkan meningkatnya biaya operasional dan juga jumlah emisi yang dihasilkan dari setiap generator, sehingga diperlukan sebuah optimasi biaya operasional dan emisi yang dihasilkan oleh setiap pembangkit. Combined economic emission dispatch (CEED) merupakan sebuah upaya untuk mengatur seberapa besar daya yang dihasilkan dari setiap pembangkit dengan memperhatikan jumlah emisi dan biaya operasional yang dihasilkan oleh setiap pembangkit sesuai dengan karakteristik dari setiap pembangkit. Untuk melakukan optimasi pada CEED, algoritma particle swarm optimization (PSO) menjadi salah satu metode optimasi untuk menentukan prediksi hasil CEED terbaik dan terinspirasi dari konsep perilaku sosial hewan seperti kawanan burung dan kawanan ikan. Hasil pada PSO pada saat melakukan optimasi dapat mencapai biaya operasional dan emisi yang optimal pada saat melakukan optimasi 42 generator pembangkit JAMALI. Sehingga PSO dapat menghasilkan hasil optimasi yang terbaik. Algoritma particle swarm optimization (PSO) tidak hanya memberikan solusi optimal untuk penjadwalan pembangkit Jawa-Madura-Bali dengan mempertimbangkan biaya operasional dan gabungan economic dispatch dan emission dispatch, tetapi juga menunjukkan performa yang unggul dalam waktu iterasi rata-rata 1,4435 detik dan biaya operasional yang lebih rendah sebesar 45,482% dibandingkan dengan KMA.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
[2] B. C. Babu and K. B. Mohanty, “Doubly-Fed Induction Generator for Variable Speed Wind Energy Conversion Systems- Modeling & Simulation,” International Journal of Computer and Electrical Engineering, pp. 141–147, 2010, doi: 10.7763/ijcee.2010.v2.127.
[3] “PENJADWALAN OPERASI PEMBANGKIT PLTG GUNUNG MEGANG BERDASARKAN BIAYA BAHAN BAKAR Yusro Hakimah*).”
[4] H. Saadat, Power System Analysis, no. v. 1. in McGraw-Hill series in electrical and computer engineering. WCB/McGraw-Hill, 1999. [Online]. Available: https://books.google.co.id/books?id=kSa4AAAACAAJ
[5] F. P. Mahdi, P. Vasant, V. Kallimani, J. Watada, P. Y. S. Fai, and M. Abdullah-Al-Wadud, “A holistic review on optimization strategies for combined economic emission dispatch problem,” Renewable and Sustainable Energy Reviews, vol. 81. Elsevier Ltd, pp. 3006–3020, Jan. 01, 2018. doi: 10.1016/j.rser.2017.06.111.
[6] K. M. D. Puspitasari, J. Raharjo, A. S. Sastrosubroto, and B. Rahmat, “Generator Scheduling Optimization Involving Emission to Determine Emission Reduction Costs,” International Journal of Engineering, Transactions B: Applications, vol. 35, no. 8, Aug. 2022, doi: 10.5829/IJE.2022.35.08B.02.
[7] C. K. Wachjoe, H. Zein, and J. Raharjo, “A fast scheduling method to solve economic load dispatch problem,” International Review of Automatic Control, vol. 13, no. 1, pp. 12–18, 2020, doi: 10.15866/ireaco.v13i1.18130.
[8] H. Zein, J. Raharjo, and A. Soeprijanto, “Dynamic Economic Load Dispatch of Electric Power System Using Direct Method,” 2018. [Online]. Available: http://www.ripublication.com
[9] J. Raharjo, A. Soeprijanto, and H. Zein, “Novel Method to Solve Economic Dispatch Scheduling for Large-Scale Power System,” 2017. [Online]. Available: http://www.ripublication.com12500
[10] J. Raharjo, H. Zein, and K. B. Adam, “Optimal economic load dispatch with prohibited operating zones using large to small area technique,” International Journal on Energy Conversion, vol. 9, no. 1, pp. 29–34, 2021, doi: 10.15866/irecon.v9i1.19548.
[11] J. Zhu, “Unit Commitment,” in Optimization of Power System Operation, IEEE, 2015, pp. 253–296. doi: 10.1002/9781118887004.ch7.
[12] A. G. Gad, “Particle Swarm Optimization Algorithm and Its Applications: A Systematic Review,” Archives of Computational Methods in Engineering, vol. 29, no. 5, pp. 2531–2561, Aug. 2022, doi: 10.1007/s11831-021-09694-4.
[13] J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proceedings of ICNN’95 - International Conference on Neural Networks, 1995, pp. 1942–1948 vol.4. doi: 10.1109/ICNN.1995.488968.
[14] J.-B. Park, K.-S. Lee, J.-R. Shin, and K. Y. Lee, “A Particle Swarm Optimization for Economic Dispatch With Nonsmooth Cost Functions,” IEEE Transactions on Power Systems, vol. 20, no. 1, pp. 34–42, Feb. 2005, doi: 10.1109/TPWRS.2004.831275.
[15] I. A. Aditya, A. A. Simaremare, J. Raharjo, Suyanto, and I. Wijayanto, “Komodo Mlipir Algorithm to Solve Generator Scheduling Problems,” in Proceedings - 2022 2nd International Conference on Electronic and Electrical Engineering and Intelligent System, ICE3IS 2022, Institute of Electrical and Electronics Engineers Inc., 2022, pp. 84–88. doi: 10.1109/ICE3IS56585.2022.10010294.
[16] R. Poli, J. Kennedy, and T. Blackwell, “Particle swarm optimization,” Swarm Intelligence, vol. 1, no. 1, pp. 33–57, Oct. 2007, doi: 10.1007/s11721-007-0002-0.
[17] R. Umar, “Hybrid Cooperative Energy Detection Techniques in Cognitive Radio Networks,” 2014. [Online]. Available: https://www.researchgate.net/publication/266614526
[18] G. A. Kristanto and W. Koven, “Estimating greenhouse gas emissions from municipal solid waste management in Depok, Indonesia,” City and Environment Interactions, p. 100027, Apr. 2020, doi: 10.1016/J.CACINT.2020.100027.
[19] Z. Yuan and M. R. Hesamzadeh, “Applying Convex Optimal Power Flow to Combined Economic and Emission Dispatch,” Journal of Geoscience and Environment Protection, vol. 04, no. 07, pp. 9–14, 2016, doi: 10.4236/gep.2016.47002.
[20] E. E. Elattar and S. K. ElSayed, “Modified JAYA algorithm for optimal power flow incorporating renewable energy sources considering the cost, emission, power loss and voltage profile improvement,” Energy, vol. 178, pp. 598–609, Jul. 2019, doi: 10.1016/j.energy.2019.04.159.